商品簡介
名人/編輯推薦
目次
一、數值線性代數的基本問題
二、研究數值方法的必要性
三、矩陣分解是設計算法的主要技巧
四、敏度分析與誤差分析
五、算法複雜性與收斂速度
六、算法的軟件實現與現行數值線性代數軟件包
七、符號說明
第一章線性方程組的直接解法
§1.1三角形方程組和三角分解
1.1.1三角形方程組的解法
1.1.2Gauss變換
1.1.3三角分解的計算
§1.2選主元三角分解
51.3平方根法
51.4分塊三角分解
習題
上機習題
第二章線性方程組的敏度分析與消去法的舍入誤差分析
§2.1向量范數和矩陣範數
2.1.1向量範數
2.1.2矩陣範數
§2.2線性方程組的敏度分析
§2.3基本運算的舍入誤差分析
52.4列主元Gauss消去法的舍入誤差分析
§2.5計算解的精度估計和迭代改進
2.5.1精度估計
2.5.2迭代改進
習題
上機習題
第三章最小二乘問題的解法
§3.1最小二乘問題
§3.2初等正交變換
3.2.1Householder變換
3.2.2Givens變換
§3.3正交變換法
習題
上機習題
第四章線性方程組的古典迭代解法
§4.1單步線性定常迭代法
4.1.1Jacobi迭代法
4.1.2Gauss-Seidel迭代法
4.1.3單步線性定常迭代法
§4.2收斂性理論
4.2.1收斂的充分必要條件
4.2.2收斂的充分條件及誤差估計
4.2.3Jacobi迭代法與G-S迭代法的收斂性
§4.3收斂速度
4.3.1平均收斂速度和漸近收斂速度
4.3.2模型問題
4.3.3Jacobi迭代法和G-S迭代法的漸近收斂速度
§4.4超鬆弛迭代法
4.4.1迭代格式
4.4.2收斂性分析
4.4.3最佳鬆弛因子
……
第五章共軛梯度法
第六章非對稱特徵值問題的計算方法
第七章對稱特徵值問題的計算方法
參考文獻
名詞索引
書摘/試閱
上述定理要求線性方程組的系數矩陣是塊三對角陣,而且其對角塊為對角陣,對角塊是對角陣這一要求太苛刻了些,我們上面介紹的模型問題,按自然順序排列,它的系數矩陣雖是塊三對角陣,但其對角塊并不是對角陣,然而我們卻已經對它建立了超松弛理論,實際上超松弛理論可以適用于一大類更為廣泛的矩陣,為此,我們引進相容性概念。
可以驗證這些子集是滿足定義的,也就是說A9。9是具有相容性次序的矩陣。
對具有相容性次序的矩陣,亦可建立矩陣Lw和w之間特征值的關系。
定理4.4.6 設矩陣A具有相容次序,且對角元全不為零,并假定Jacobi迭代矩陣B=J—D—1A的特征值均為實數。
(1)若μ≠0是B的特征值,則—μ也是B的特征值。
(2)若p≠0是B的特征值,則由(4.4.5)式所確定的兩個入是Lω的特征值;反之,若λ≠0是Lω的特征值,則由(4.4.5)式確定的兩個μ都是B的特征值。
因為對角元非零,且具有相容次序的矩陣,按照S1,S2,…,St重排次序就得到一個形如(4.4.16)式的矩陣,并且將SOR迭代法應用于它們二者所得到的用分量表示的迭代公式是完全一樣的,相應的迭代矩陣相似,因此SOR迭代法的這些結論自然成立。
松弛因子的選擇對計算也是很有影響的,在實際計算中,因為p(B)不一定知道,所以ωopt也不知道,如何求近似的ωopt呢?通常是選用不同的ω值,然后用相同的初始向量進行試算,迭代相同次數,比較它們的殘向量,選擇使殘向量最小的ω作為松弛因子,另外,根據p(Lω)隨ω變化的曲線看,我們在不能得到準確的最佳松弛因子時,寧可取得稍大一些。
主題書展
更多主題書展
更多書展本週66折
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大,除封面破損、內頁脫落等較嚴重的狀態,其餘商品將正常出貨。
特別提醒:部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供,需以QR CODE 連結至當地網站註冊“並通過驗證程序”,方可下載使用。
無現貨庫存之簡體書,將向海外調貨:
海外有庫存之書籍,等候約45個工作天;
海外無庫存之書籍,平均作業時間約60個工作天,然不保證確定可調到貨,尚請見諒。
為了保護您的權益,「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨,請在商品鑑賞期內寄回,且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。